IMPLEMENTASI ALGORITMA C4.5 DAN K-MEANS PADA DIAGNOSIS PENYAKIT GINJAL KRONIS

Abstract

ABSTRACT
The kidneys function to maintain the stability of the body by regulating the balance of electrolytes, body fluids and expenditure of metabolic products. Chronic kidney disease is a form of kidney disorder. This disease is a deadly disease, but it can be avoided with proper precautions. The prevalence of chronic kidney disease is increasing as a person ages. Classification technique is one technique that can be used in diagnosing chronic kidney disease. One of the machine learning algorithms that can be used for classification is the C4.5 algorithm. The C4.5 algorithm is one of the algorithms that can be used in the decision tree method (decision tree). The C4.5 algorithm can only use categorical data, so data of numerical type needs to be discretized. K-Means Clustering is one method that can be used in data discretization. Elbow method is used in determining the optimal number of k on K-Means by comparing the SSE value of each number of k. System testing was carried out using the confusion matrix and the values of accuracy, recall and precision were 97.92%, 94.44% and 100%.
Keywords : Chronic Kidney Disease, Classification, C4.5, K-means, Discretization of Data, Elbow Method.
ABSTRAK
Ginjal berfungsi untuk mempertahankan stabilitas tubuh dengan mengatur keseimbangan elektrolit, cairan tubuh dan pengeluaran hasil metabolisme. Penyakit ginjal kronis adalah salah satu bentuk gangguan pada ginjal. Penyakit ini merupakan penyakit yang mematikan, namun hal ini dapat dihindari dengan tindakan pencegahan yang tepat. Prevalensi penyakit ginjal kronis menjadi kian meningkat, seiring dengan bertambahnya umur seseorang. Teknik klasifikasi merupakan salah satu teknik yang dapat digunakan dalam mendiagnosis penyakit ginjal kronis. Salah satu algoritma machine learning yang dapat digunakan untuk klasifikasi adalah algoritma C4.5. Algoritma C4.5 adalah salah satu algoritma yang dapat digunakan dalam metode decision tree (pohon keputusan). Algoritma C4.5 hanya dapat menggunakan data kategorikal, sehingga data yang bertipe numerikal perlu dilakukan diskritisasi data. K-Means Clustering merupakan salah satu metode yang dapat digunakan dalam diskritisasi data. Metode elbow digunakan dalam penentuan jumlah k optimal pada K-Means dengan membandingkan nilai SSE masing-masing jumlah k. Pengujian sistem dilakukan dengan menggunakan confusion matrix dan didapatkan nilai accuracy, recall dan precision yaitu 97.92%, 94.44% dan 100%.
Kata Kunci : Penyakit Ginjal Kronis, Klasifikasi, C4.5, K-Means, Diskritisasi Data, Metode Elbow